Deep dive into social network and economic data: a data driven approach for uncovering temporal ties, human mobility, and socioeconomic correlations - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Theses Year : 2016

Deep dive into social network and economic data: a data driven approach for uncovering temporal ties, human mobility, and socioeconomic correlations

Au coeur des réseaux sociaux et des données économiques : une approche orientée données pour révéler les liens temporels entre individus, la mobilité humaine et les corrélations socio-économique

Abstract

In this thesis, I have carried out data-driven studies based on rich, large-scale combined data sets including social links between users (calls and SMS), their demographic parameters (age and gender), their mobility and their economic information such as income and spendings. These seven studies bring insights in network science but also in sociology, economy and geography. The questions asked are very diversified. How can one quantify the loss of temporal information caused by the aggregation of link streams into series of graphs? How can one infer mobility of a user from his or her localisations of calls? Is it possible to transmit SMS in a dense region by using the density of phones, the mobility of users and the locality of the messages? How can one quantify and prove empirically the social stratification of the society at a large population scale? I present, for this last question, a first socio-economic study with a data-driven approach. It has been possible to study, at a very large scale, the stratification of the society, the existence of "rich-clubs", the spatial segregation and purchase patterns for each social class.
Ma thèse, majoritairement dans le domaine informatique, présente donc des résultats applicables aussi bien dans la théorie des graphes, dans les réseaux de télécommunication que dans la sociologie et l’économie. Ces exemples d’études rendent compte de l’importance des discussions entre les domaines et par dessus tout de la complémentarité des approches dans le but de confirmer empiriquement des hypothèses et d’obtenir de nou- veaux résultats. Outre l’aspect interdisciplinaire, avoir le contrôle de la méthodologie, comprendre l’usage des utilisateurs, développer de nouveaux systèmes de communications et analyser les corrélations socio-économique à l’échelle du réseau est directement profitable aux entreprises. Les prédictions, les recommandations et plus généralement l’expérience utilisateur sont améliorés par la qualité et la diversité des contributions obtenues dans ce domaine.
Fichier principal
Vignette du fichier
thesis-version.pdf (14.21 Mo) Télécharger le fichier

Dates and versions

tel-01429593 , version 1 (12-01-2017)
tel-01429593 , version 2 (06-03-2017)

Identifiers

  • HAL Id : tel-01429593 , version 1

Cite

Yannick Léo. Deep dive into social network and economic data: a data driven approach for uncovering temporal ties, human mobility, and socioeconomic correlations. Mobile Computing. ENS de Lyon, 2016. English. ⟨NNT : 2016LYSEN066⟩. ⟨tel-01429593v1⟩
1587 View
913 Download

Share

Gmail Mastodon Facebook X LinkedIn More